文｜白 鸽

编｜王一粟

时隔4年回归的北京车展，遇上了中国智能汽车的热潮。

开年价格战的持续洗礼，不仅让一众中国车企都慌得一批，也让全球巨头特斯拉也面临一季度销量大跌局面。

与此同时，智能汽车还在不断地卷新技术。

首先是各家纷纷打出“高阶智驾”，在重感知轻地图的路线下比拼“智驾全国都能开”。另外，在大模型浪潮下，大模型“上车”也在今年有了新的实质性落地。

早在2023年，ChatGPT的火爆就已经带动了大模型上车。

毫末智行等自动驾驶方案商和小鹏汽车等车企紧跟特斯拉，将Transformer架构应用在智能驾驶系统中；智己旗下车型LS6已上线GPT大模型；广汽发布AI大模型平台，将搭载于昊铂GT。

总体来看，大模型“上车”分为两种，一种是在智驾领域，用端到端的方式提升智驾系统的感知能力；另外，就是在智能座舱领域，完成人和车之间的自然语言交互。

但是，大模型当前面临一个重要问题是，目前已经落地应用场景还比较窄，主要成熟的应用场景是在智能客服、座舱交互等领域。

不过，随着汽车产业进入“新智能”阶段，AI大模型的突破，远远不止这些。

“大模型在汽车出行产业的应用价值，远不止用户显而易见的‘车上’体验，在诸如研发、生产、营销、客服等更多‘车下’场景，也有非常多的实践和应用空间。”腾讯智慧出行副总裁、腾讯智慧出行负责人钟学丹如此说道。

可以预见，随着这些场景应用的不断落地，汽车产业将真正进入全产业链的“高阶智能”。

汽车行业的竞争日趋白热化，价格战更是愈演愈烈。

当同质化的供应商遇上同质化的设计，车企们需要不断降本增效的同时，还急需构建智能化时代的新竞争力。

AI大模型，成为车企们构建差异化能力的关键，也是车企们构建全域智能的基础底座能力。

去年，吉利汽车研究院成立了AI智能研究部，吉利集团CEO淦家阅称，吉利已具备全栈自研的大模型技术；理想汽车创始人李想表示，“大模型的研发和训练，是智能电动车企业的必要能力。”

可以看到，车企们都在积极构建大模型能力，目前构建的方式主要有两种：

一是自主研发大模型，以蔚小理等造车新势力为首，比如理想汽车自研的Mind GPT中文大模型；蔚来自研的AI大模型NOMI GPT；小鹏汽车自研XGPT灵犀大模型等。

二是与科技互联网公司联手研发大模型，以传统车企为主，比如，长安、奇瑞等企业正在与腾讯共同探索座舱垂域大模型的开发和应用，长城汽车与科大讯飞搭建了知识大模型“长城汽车知识大脑”。

当前，车企在AI大模型领域所落地应用的重点，更多的还在于“上车”，即通过大模型能力，不断提升汽车智能化水平。

比如在智能座舱领域，大模型背后强大的计算处理能力、生产和多模态交互能力，则可以给智能座舱带来更高的智能化水平、更丰富的交互能力。

最明显一个表现在于车载语音交互系统，当车载语音交互系统接入AI大模型后，就可以实现多轮对话的意图理解，可以跟用户进行聊天，而非只是个执行语音命令的机器。

在自动驾驶领域，特斯拉最早在自动驾驶系统训练中引入Transformer大模型。

据了解，在图像识别能力方面，Transformer拥有更高的上限，随着训练数据量的增长，传统CNN模型识别能力呈现饱和态势，而Transformer则在数据量越大的情况下拥有更好的表现。

自动驾驶则是一个拥有海量数据的场景，也需要通过从海量数据中不断训练出更高质量的数据，推动自动驾驶系统的升级迭代。

另外，随着汽车行业竞争加剧，车企在大模型应用上，不光要“上车”，更需要“下车”。AI大模型能力会融入车企的各业务场景，以及产业链的各个环节，构建全域智能，不断提升研发生产效率。

毕竟，一家企业从内到外的高效运转，也是在行业中竞争的关键。

目前，各大汽车企业已纷纷将大模型纳入重点投入规划，在汽车的研发、生产、销售、服务、协同管理等各环节中，叠加AI的生产力，来提质、降本与增效。

车企对AI落地的重视程度可见一斑，也正在为此做出积极的改变。广汽集团大圣科技有限公司副总经理陈锐就表示，AI一定会快速应用到生产、生活等各个领域。但同时，AI的全面应用也需要企业、组织和人的全面变革。

姚振认为，AI大模型给汽车行业带来的新变化，主要体现在降本和增效两方面。

降本层面，是面向车企内部研发、生成、管理等多个环节，比如代码助手、会议文档AI助手等，降低人工成本。

“因为代码助手的引入，我们一些客户的人工效率提升7%。”姚振对光锥智能说道。

增效则更多的体现在销售和服务环节。如在消费者购车过程中，基于大模型的辅助销售顾问、辅助知识库等能力，会让销售服务消费者时有明确的数据策略做参考，提升销售转化率。

大模型既然如此重要，那么如何率先落地大模型的能力，也成为车企们思考的方向。

那么，车企们该如何快速落地大模型能力？

借力打力，相比完全自研的投入多、见效慢，选择合适的汽车行业大模型服务商是关键。

“我们发现通用大模型，在汽车行业的应用效果并没有那么好。”姚振说道。

通用大模型的长处聚焦于一个“广”字，面向人群以及场景适用范围十分广泛。但对于特定场景而言，企业并不需要通用大模型的“全能”能力，更多需要的是模型的精度和质量。

因此，腾讯智慧出行以腾讯自研的混元大模型为底座，推出了针对汽车行业的大模型，落地汽车研发、生产、营销、服务、企业协同等五大场景。

姚振表示：“基于这套汽车行业大模型，应用效果就非常好。因为加入了海量汽车行业专业数据，进行预训练、汽车领域垂类任务精调和强化学习，尤其是在中文阅读理解、端到端问答、汽车行业相关任务等方面表现出色。”

比如在研发上，腾讯汽车大模型可以提供AI代码助手能力，可协助软件工程师写代码、补代码、诊断代码、测试用例；在生产环节，腾讯的AI质检功能，可以进行瑕疵汽车零部件筛查、违规操作告警，并可以让生产线、生产设备的运行情况、生产进度，实时可视化管理。

在营销层面，基于腾讯汽车行业大模型能力，可以通过AIGC智能生成宣传文案、海报、视频，并可1小时内制作专属数智人分身，可线上直播卖车，不但熟知车型卖点，还能和观众准确互动，有效促进从线上到线下试驾的线索转化。针对B端销售人员，销售AI助手则可以帮助销售人员快速获得准确的汽车销量商业分析。

在服务层面，基于腾讯混元打造的智能座舱大模型，通过加入汽车专业用车知识，进行模型精调，可以实现高阶、专业、自如问答，比如在智能客服场景中，可以针对用车、维保问题提供更精准、详细的回答。同时，还可以辅助人工客服，自动生成前序会话摘要、协助进行疑难问题检索、会话结束后自动小结和填单。

面对如此庞大的系统性工程，车企将如何排列优先级去落地？

姚振表示：“落地速度最快的是在营销、销售这些领域，因为能够帮助车企把车卖好、服务好客户，所以不管是预算还是优先级，车企的重视度肯定最高。”

其次，是智能座舱，主要涉及到产品力的提升，甚至涉及到用户是否会买这款车，所以车企在这块的重视度也非常高。“但目前整个行业暂时还没有一家企业能够将大模型在智能座舱领域的应用做到独一无二，各家的能力都比较散。所以基于大模型的开放能力构建一个可以服务于智能座舱的生态体系更重要。”

最后，是横向帮助车企构建一个大模型底座，比如在协同、助手代码这块。“一般来说，车企会拿出部分预算建设整个AI大模型底座，并将具有车企自身特点的大模型底座和上层的场景能力建设起来，进行完全的体系化打通，整体的项目会做得非常深。”

“这块虽然目前的时效优先级并不高，但落地可以更深入，帮助车企做内功的建设。”姚振对光锥智能说道，“从实际效果来看，并不见得在某一个领域能够迅速见到效果，更多的是建设一个基础能力。”

这五大应用场景功能落地的背后，离不开腾讯从模型、算力、AI 工程平台（工具链）到 AI 应用的完整能力。

以中间工具链层为例，腾讯通过提供平台化能力，能够有效降低大模型训练难度，提升研发效率。

腾讯云TI平台的行业大模型精调解决方案，预置140个不同类型大模型精调任务场景的数据，覆盖数据清洗、prompt优化、数据过滤、数据增强等数据处理环节，可以快速准备高质量的精调数据，并支持在精调过程中配比使用，以便于取得更好的模型精调效果。

除了AI工具链之外，腾讯云还做好了一个拿来即用的大模型知识引擎，可以为智能客服、销售AI助手、企业培训等诸多场景提供大模型能力，不论是消费者还是汽车专业人士，都能通过简单的交互获得关于汽车性能、维护、市场趋势等方面的深度知识。

总体而言，为了支持车企做大模型上车，云厂商已经做好了全套的支持：提高算力利用率（降本），在平台做高效开发和应用（增效）。

不过，姚振也表示：“大模型技术升级迭代非常快，混元大模型在开放性和行业适配性等方面能力不断提升。因此，今年上半年开始，我们发现在汽车行业直接调用混元能力反倒性价比更高，所以今年也将会直接落地部分混云私有化能力。”

事实上，车企对于大模型会有不同的需求。

比如针对来自业务部门的需求，包括技术中心、销售公司以及品牌部门、IT的业务等，会重点要求在智能座舱、智能客服、营销等领域的细分需求。

针对细分需求，腾讯所提供的解决方案是从应用出发，快速的帮助车企将大模型建设起来，“以非常轻的闭环，在某个特定场景中，为车企提供大模型服务，避免其自己做基建大模型，对车企而言也更具有性价比。”

另外，有部分车企希望能够通过重度投入来构建自身的大模型底座，针对此部分需求，腾讯则可以提供从底层基础设施、到工具链，再到上层应用的全栈式技术闭环能力。

腾讯全栈式闭环底层技术服务能力，能够让车企在大模型应用上更好的“下车”。而除了大模型“下车”之外，腾讯还能够基于大模型与生态体系的结合，让车上的应用更加丰富。

云厂商在抢夺车企的过程中，存在同质化的竞争，也需要思考自己的差异化。

对于腾讯而言，在文娱、社交为主的C端特质，是做上车应用的一个重要抓手。

这里C端的特质主要包含两个概念：

一个是腾讯自身庞大的内容生态资源，比如音乐、微信、小程序等，腾讯可以直接将这些生态内容资源搬入到智能座舱系统中；

一个则是腾讯在做To C业务过程中，沉淀下来的技术能力，不光是大模型，还包括腾讯安全、腾讯云等，并通过这些技术，为汽车行业提供底层技术能力支持；

如腾讯将微信搬上车，以微信为超级ID，作为连接手机与车机之间的桥梁，用户通过扫码，就可以将手机微信上的信息一键发送至车机上，包括在手机上的音乐、有声图书、公众号内容等。

除了社交的超级ID，腾讯也把最擅长的游戏应用植入到车上。梅赛德斯·奔驰表示，将于北京车展上联手腾讯，共同把一款世界级赛车游戏集成至奔驰的车机系统之中。

用C端应用去打开腾讯汽车行业解决方案差异化的思路，来自于腾讯对技术与场景关联度的思考。

“有一个很简单的原则，我们希望通过数智化来提高效率，解决实际问题。”姚振说道。

如在自动驾驶领域，腾讯所积累的技术经验主要集中在自动驾驶合规数据的采集、存储、标注及仿真训练等方面，“涉及到车端与大模型相结合的自动驾驶算法领域，我们做的并不多，现阶段还在跟车企进行更多的探讨。”

但将C端应用与大模型相融合，则是腾讯擅长的能力。

姚振认为，智能座舱想要打造更好的用户体验，不能仅依靠大模型能力，大模型、底层算力以及生态资源，三者缺一不可。

腾讯的优势，就在于能够将广泛的生态互联网资源与座舱车机系统进行打通，能够将包括地图、音乐、微信、游戏、小程序等C端的产品能力，集成至车机系统之中，并实现手机与车机之间体验的无缝连接，为用户提供更丰富的体验。

在AIGC广泛应用之前，腾讯在智能座舱领域已具备一套完善且成熟的AI体系，现阶段腾讯重点将这套体系与大模型相结合，可以在智能座舱内构建一套具备互联网生态的智能推荐体系。

腾讯智慧出行智能座舱总经理孙珏表示，基于腾讯APP Agent（智能代理）能力，在成熟流程下，仅需一周时间即可学习并熟练使用数百个应用或小程序，无需API实现与车载小程序及APP的深度语音交互，可以充分理解用户意图，代替用户智能操作各类复杂应用，提升服务效率。

据姚振透露，腾讯智能座舱解决方案，到今年年底将会达到1500万台装载量。

可以看到，基于自身在C端的生态特质，加上AI大模型的能力，腾讯智能座舱已经找到了自己的行业位置。

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生总结道，腾讯一方面将不断夯实云、图等核心技术能力，为汽车智能化发展筑牢底座。另一方面也会与产业链上下游伙伴一起，积极探索AI大模型等前沿技术在汽车产业各个场景的创新应用，以AI驱动汽车产业“新智能”发展。